Oracle:什么是机器学习?

                            来源:Oracle   点击:
                            机器学习是人工智能 (AI) 的一部分,旨在构建能够根据所使用的数据进行学习或改进性能的系统。人工智能是一个宽泛的术语,指的是模仿人类智能的系统或机器。机器学习和人工智能经常被人们放在一起讨论,这些术语有时可互换使用,但其含义并不相同。一个重要的区别是,尽管所有机器学习都是 AI,但并非所有 AI 都是机器学习。 如今,机器学习已在我们身边无处不在。当我们与银行交互、在线购物或使用社交媒体时,机器学习算法会发挥作用,让我们获得高效、顺畅和安全的体验。机器学习及其相关技术正在迅速发展,对于它的强大能力,我们只不过刚开始领略皮毛。

                             

                            什么是机器学习?

                             
                            机器学习是人工智能 (AI) 的一部分,旨在构建能够根据所使用的数据进行学习或改进性能的系统。人工智能是一个宽泛的术语,指的是模仿人类智能的系统或机器。机器学习和人工智能经常被人们放在一起讨论,这些术语有时可互换使用,但其含义并不相同。一个重要的区别是,尽管所有机器学习都是 AI,但并非所有 AI 都是机器学习。
                             
                            如今,机器学习已在我们身边无处不在。当我们与银行交互、在线购物或使用社交媒体时,机器学习算法会发挥作用,让我们获得高效、顺畅和安全的体验。机器学习及其相关技术正在迅速发展,对于它的强大能力,我们只不过刚开始领略皮毛。
                             
                            “Traditionally what we see is people not being able to work together.Adding machine learning to Oracle Analytics Cloud ultimately helps people organize their work and build, train, and deploy these data models.It's a collaboration tool whose value is in accelerating the process and allowing different parts of the business to collaborate, giving you better quality and models for you to deploy.” — Oracle分析事业部产品战略副总裁 Rich Clayton
                             

                             

                            算法是驱动机器学习的引擎。通常,目前使用的机器学习算法主要有两种:监督学习和无监督学习。两者之间的区别在于如何通过学习数据做出预测。

                             
                            监督机器学习
                            监督机器学习算法最为常用。在该模型下,数据科学家可以作为向导,告诉算法它应该得出什么结论。就像孩子通过在图画书中记住水果来学习识别水果一样,在监督学习中,算法是由已经标记并具有预定义输出的数据集进行训练的。
                             
                            监督机器学习的例子包括算法,如线性和逻辑回归,多类别分类和支持向量机。
                             
                            无监督机器学习
                            无监督机器学习使用一种更独立的方法,计算机会学习识别复杂的过程和模式,而不需要人类提供密切、持续的指导。无监督机器学习包括根据没有标签的数据或特定的、定义好输出的数据进行训练。
                             
                            继续使用幼儿教学作类比,无监督机器学习类似于孩子通过观察颜色和图案来识别水果,而不是在老师的帮助下记住水果的名字。孩子会寻找图像之间的相似性并对其进行分组,并为每一个小组分配自己的新标签。无监督机器学习算法的例子包括 k 均值聚类、主成分和独立分量分析以及关联规则。
                             
                            选择方法
                            哪种方法更符合您的需求?选择监督还是无监督机器学习算法通常取决于一些与数据结构和数据量相关的因素以及所应用的具体用例。机器学习已经在许多行业蓬勃发展,用于支持各种业务目标和用例,包括:
                            • 客户终身价值

                            • 异常检测

                            • 动态定价

                            • 预测性维护

                            • 图像分类

                            • 推荐引擎

                             

                            业务目标:客户终身价值建模

                             
                            客户终身价值建模对于电子商务业务至关重要,但同时也适用于许多其他行业。在此模型中,组织使用机器学习算法来识别、理解和留住有价值的客户。这些价值模型将评估大量的客户数据,以确定最大的消费者,品牌最忠实的拥护者,或者这些特质的组合。
                             
                            客户终身价值模型在预测各客户在特定时期内为企业带来的未来收入方面尤其有效。这些信息让组织能够将营销工作的重点放在鼓励高价值客户更加频繁地与品牌进行互动上。客户终身价值模型还可以帮助组织将其营销支出精准用于吸引与现有高价值客户相类似的新客户。

                            相关文章

                            图片链接
                            搜索 搜索 订单 订单 客服 客服 注册 注册 联系 联系 投稿 专栏
                            顶尖彩票